基于机器视觉的药粒缺陷检测系统关键技术研究

摘要

现代生产技术日新月异，工业生产水平发展迅猛，但是配套的质量检测水平发展却相对滞后。数字图像处理技术可对产品的质量实现在线检测，而且机器视觉技术的发展也为现代化视觉质量检测提供了技术基础。
　　本文结合机器视觉技术提出了一套完整的药粒缺陷检测系统。首先，本文对机器视觉的发展现状、发展趋势以及在药粒质量检测领域的应用情况作了简要的介绍;之后，提出了一套结合生产实际中药粒及其缺陷特点的质量检测系统的软、硬件结构设计方案;最后对系统的实现算法作了深入研究，并且在VC6.0平台上对药粒缺陷检测领域做了有益的尝试，取得了良好的效果。本文研究的主要内容如下:
　　1、针对本文提到的四种常见药粒缺陷的特点，提出一套药粒缺陷检测平台的软、硬件设计方案，并对其中每一个结构组成的功能及实现算法详细分析，给出研究思路。
　　2、对本系统中用到的各种图像处理算法，如预处理算法，图像分割算法等通过实验仿真进行结果的比对，对不满足系统需求的算法通过改进或是提出新算法来满足系统的检测要求。
　　3、图像分割算法是本文的关键技术，针对本文提到的四种不同药粒，分别采用了以下图像分割方案，以得到最好的图像分割效果。①对残损药粒检测。改进了基于局部灰度差异的边缘检测算法，该算法对SUSAN边缘检测对阈值设定敏感这一问题作了很好的改进，并利用Freeman链码轮廓跟踪算法量化统计残损药粒的面积以达到剔除不合格药粒的目的;②对异型药粒的检测。采用一种基于Hough变换的改进型椭圆检测算法，通过对几何特征的检测，在药粒异型的检测方面取得了理想的结果;③对表面缺陷药粒的检测。采用迭代分割并结合数学形态学可以较好的筛选和检测出药粒表面明显的划痕;④对胶囊内的气泡检测，应用多尺度自适应Canny边缘检测算法，很好地得到气泡的轮廓，并可以对气泡的大小进行量化。
　　本文主要对四种常见药粒缺陷的检测和量化计算算法进行了研究，研究成果对于机器视觉技术在药粒缺陷检测领域的应用具有一定的指导意义。

目录

声明

摘要

第1章 绪论

1．1 研究的背景和意义

1．2 机器视觉研究概述与发展现状

1．2．1 机器视觉概述

1．2．2 基于机器视党的药粒缺陷检测技术的发展现状

1．2．3 基于机器视觉的药粒缺陷检测技术的发展趋势

1．3 本文主要研究内容和章节安排

1．3．1 本文主要研究内容

1．3．2 本文的研究思路

1．3．3 本文的章节安排

第2章 药粒缺陷检测系统方案设计

2．1 常见的缺陷类型介绍

2．2 系统硬件组成

2．3 系统软件流程设计

2．4 本章小结

第3章 单体药粒图像预处理

3．1 图像增强

3．1．1 图像平滑

3．1．2 中值滤波

3．1．3 梯度锐化与拉普拉斯锐化

3．1．4 变换域法

3．2 本章小结

第4章 图像分割与边缘检测常用算法

4．1 图像分割基础知识

4．2 图像分割常用算法

4．2．1 直方图阈值法

4．2．2 基于边缘检测的分割方法

4．2．3 基于区域的分割方法

4．2．4 基于色彩空间聚类的方法

4．3 图像边缘检测

4．4 形态学图像分割

4．5 本章小结

第5章 药粒区域分割的实现与残损药片面积计算

5．1 药粒图片的特点

5．2 药粒区域分割的实现

5．2．1 残损药粒的区域分割

5．2．2 异型药粒区域的分割

5．2．3 药粒表面缺陷区域的分割

5．2．4 胶囊气泡区域的分割

5．3 残损药片的面积计算

5．3．1 像素计数面积法

5．3．2 基于Freeman链码的目标面积计算方法

5．3．3 残损药粒区域的面积计算方法

5．4 本章小结

结论

参考文献

攻读硕士期间发表的论文和获得的科研成果

致谢